人工智能技术在鼻咽癌放疗危及器官自动勾画中的应用研究

吴哲 庞亚 明智 刘可 王东 晏军

手术、化疗、放疗是恶性肿瘤的三大主要治疗方式。放射治疗(放疗)作为恶性肿瘤治疗的一种重要手段，约有70%的肿瘤患者在病程的不同时期需要进行放射治疗[1]，由此可见放射治疗在肿瘤的综合治疗中具有不可忽视的地位，放射治疗是唯一可以电子化和智能化的治疗方式，推动放疗智能化技术的发展对提高肿瘤患者疗效有非常重要的意义。近年来随着计算机技术和调强技术的发展，调强放射治疗(Intensity modulated radiotherapy，IMRT)利用不同强度的笔形束实现了肿瘤靶区和邻近重要组织分别接受不同剂量照射，精准勾画肿瘤靶区和危及器官(Organs at risk，OARs)的轮廓是实现精准放射治疗的前提和保障。放疗医师需要在CT图像上精准勾画靶区和OARs，这个勾画过程通常费时费力，包含大量简单重复性工作。这些工作降低了临床诊疗效率[2-3]，耽误了病人治疗时间，给繁忙的临床工作带来负担。近年来，随着人工智能技术在放疗医学领域的发展，MIM、OnQ、ABAS等自动勾画软件被广泛报道[4-6]。然而自动勾画技术的准确度有待考证，因此将自动勾画技术应用于临床之前有必要对其进行更加详细准确的研究。本文采用基于人工智能技术的图像自动勾画软件研究危及器官较多的头颈部肿瘤鼻咽癌的OARs勾画准确度，旨在为软件的进一步临床应用提供理论依据。

1 材料和方法

1.1 临床资料

随机选取2019年4月—2020年4月在自贡市第一人民医院肿瘤科治疗的30例鼻咽癌患者做回顾性研究。肿瘤原发灶均经病理证实，筛选数据经医院伦理委员会审批。使用热塑膜及专用碳纤维板和枕头固定患者，统一取仰卧位，在飞利浦CT模拟定位机下增强扫描，CT扫描层厚3 mm。获得CT影像后，通过专用网络传输至Varian Eclipse放疗计划工作站和自动勾画软件工作站。

1.2 自动勾画平台

使用AccuContour自动勾画软件勾画危及器官。AccuContour软件是由国内Manteia公司开发的一种基于深度学习的自动勾画软件。通过建立图像分割模型，并以多种网络结构模型、多种loss 结构融合进行训练，进而对大量的数据进行学习，从而实现对目标图像的自动分割和轮廓勾画[7]。基于图谱库(Atlas)和深度学习(Deep learning，DL)的自动勾画方法是目前两种主要的自动勾画技术，基于深度学习的算法模型相比于传统模型而言实现了巨大的进步，特别是U-Net神经网络结构在OAR勾画领域，有诸多深度学习模型。AccuContour自动勾画软件提出了一种基于深度学习和传统算法模型结合的方法，其中核心模块为模型训练。通过构建训练模型，对训练好的模型在对应的验证集上进行Dice值计算，并验证测试Dice值，最终选择最佳的训练模型[8]。

1.3 手工勾画平台

在瓦里安Eclipse V13.6放疗计划系统上对CT图像与MRI图像进行融合，手工勾画靶区和危及器官，参考RTOG勾画指南，由同一位高年资医师对鼻咽癌OAR进行勾画。勾画的OAR包括下颌骨、左右颞叶、脑干、喉、脊髓、左右腮腺、左右眼球、左右内耳、垂体、视交叉、左右视神经、左右晶体、左右颞颌关节、甲状腺。

1.4 评价参数

1.4.1 体积差异 以医生手工勾画的OAR轮廓为基准，评价OAR的体积差异ΔV，通过自动勾画与手工勾画两者之间的体积差异评估自动勾画与手工勾画的吻合度。自动勾画结果体积与手工勾画的体积差异占手工勾画体积的百分比为：

其中，Vauto和Vmanual分别为自动勾画和手工勾画的结构体积。ΔV越接近0越好。

1.4.2 位置差异 自动勾画与手工勾画的位置差异ΔT[9]定义为：

ΔX=|Xauto-Xmanual|

ΔY=|Yauto-Ymanual|

ΔZ=|Zauto-Zmanual|

其中，Xauto和Xmanual分别代表自动和手工两种情形结构几何中心坐标在X方向的坐标值，Y和Z方向同理。ΔT代表总位置差异。

1.4.3 重合性(Dice Similarity Coefficient，DSC) 自动勾画与手工勾画的OAR的重合性DSC可以定义为：

其中，Vauto为自动勾画OAR体积，Vmanual为手工勾画OAR体积，DSC值的范围从0到1，DSC越接近1，表示自动勾画与手工勾画的重合性越好。

1.4.4 相似性(Jaccard Coefficient，JC) 自动勾画与手工勾画的OAR的相似性系数JC[10]可以定义为：

其中，JC范围为0到1，JC值越大，表明自动勾画与手工勾画相似性度越高。

2 结果

2.1 两种勾画方法参数对比

30例基于人工智能的自动勾画与手工勾画的危及器官几何精度差异指标结果显示，体积差异ΔV较大的是视交叉、视神经、晶体、垂体、内耳等小体积危及器官；体积差异ΔV较小的是颞叶、脑干、脊髓、腮腺、下颌骨等体积较大的危及器官。位置差异ΔT较大的是颞叶、视交叉、甲状腺、颞颌关节、内耳等危及器官；位置差异ΔT较小的是晶体、脊髓、腮腺等危及器官。重合性DSC较大的是脊髓、下颌骨、腮腺、眼球等危及器官；重合性DSC较小的是内耳、垂体、视交叉、视神经、晶体等危及器官，DSC结果基本在0.7以上。相似性JC较大的是脊髓、下颌骨、腮腺、眼球等危及器官；相似性JC较小的是内耳、垂体、视交叉、视神经、晶体等危及器官(表1)。

表1 两种方法勾画结果评价参数

图1 自动勾画与手工勾画危及器官比较图Figure 1 Comparison of automatic and manual delineate of organ at riskNote：Blue is the result of automatic delineate，red is the result of manual delineate.Amongst them，A and D were transverse；B and E were sagittal；C and F were coronal.

2.2 两种勾画方法图像对比

自动勾画与人工勾画危及器官轮廓基本一致，但略有差距，如颞叶有几层差距较大(图1a)，脑干和脊髓的分界上有差距(图1b)，下颌骨的勾画在梯度较大的层面有差距(图1d)，经过小修之后基本能达到手工勾画效果。眼球、晶体、甲状腺、腮腺基本满足要求。

此外，经过统计，危及器官的自动勾画时间基本在近60 s/患者；而手工勾画时间在2～3 h不等。自动勾画大大提高了工作效率。

3 讨论

放疗靶区勾画和计划设计是由放疗医生和物理师手工完成，耗时耗力，且准确度高度依赖于医生的经验。近年来，随着人工智能技术在精准放疗领域的应用，有必要发展自动勾画软件提高临床工作效率，而自动勾画软件精确度一致是关注的重点问题。因此本文以基于人工智能技术的AccuContour软件应用于鼻咽癌危及器官勾画为例，以体积差异、位置差异、重合性、相似性参数为依据，评估该软件的临床应用价值。

当前国内外致力于头颈部肿瘤危及器官自动勾画的研究工作有很多报道[11-14]。早期Stapleford等[15]利用Velocity软件进行了颈部淋巴结自动勾画的可行性研究；Sims等[16]评估了ISOgrayTM系统在头颈部肿瘤放疗危及器官勾画的几何精度；Hvid等[17]研究了MIM软件应用于30例头颈部肿瘤的危及器官勾画；Ciardo等[18]报道了ABAS软件在乳腺癌中的应用。这些研究得出的结论是自动勾画软件能够大大降低危及器官勾画的时间，这与本研究得出的结论基本一致。本研究发现小体积的危及器官，如晶体、视交叉、视神经等勾画存在一定的偏差，体积差异较大，这与张玉海等[6]报道基本一致；李华玲等[7]报道了AccuContour自动勾画软件对于头颈部、胸腹部、盆腔肿瘤危及器官有较高的准确性，对小体积器官勾画准确度有所欠缺，这与本研究结论一致。对于组织边界不清的器官如颞叶，自动勾画与手工勾画在几个层面有差距，可能与颞叶边界组织密度相近有关，导致自动勾画软件无法识别判断颞叶的范围。自动勾画与手动勾画的脊髓、脑干、腮腺、下颌骨、颞叶、眼球等有很高的DSC值，在0.8以上。大多数危及器官重合性DSC在0.7以上，说明自动勾画与手工勾画有较好的重合性[8]。此外，垂体、视交叉、视神经、内耳、晶体等相似性JC相对较低，其他器官JC值基本在0.7以上。自动勾画软件经过略微修改基本上可以满足临床应用。本研究发现，脑干和脊髓的上下界勾画层面自动与手工勾画两种方式有一定的出入，原因可能是受CT图像质量限制，对于脑干和脊髓的界限辨识度较差，因此两种画法存在偏倚。

综上所述，基于人工智能技术的自动勾画软件AccuContour在鼻咽癌放疗危及器官勾画中的应用基本可行，对于小体积的危及器官勾画精度次于较大体积器官，经过医生花极少时间的修改能用于临床，可提高工作效率。需要指出的是，本研究选取的样本量有限，结果可能有偏差，下一步将纳入更多病例数研究。